基于BP神经网络的道路交通环境影响综合评价模型.pdf

《基于BP神经网络的道路交通环境影响综合评价模型.pdf》由会员分享，可在线阅读，更多相关《基于BP神经网络的道路交通环境影响综合评价模型.pdf（4页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、基于 BP 神经网络的道路交通环境影响综合评价模型Artificial Neural Network?based Model for RoadTraffic Environmental Quality Evaluation楼文高(上海理工大学,上海 200093)LOU Wen?gao?(University of Shanghai of Sciences and Technology,Shanghai 200093,China)摘要:根据影响道路交通环境的各单项评价指标及其分级标准,利用随机分布理论生成足够多用于神经网络建模的样本数据。应用非线性模拟性很强的 BP 神经网络技术对道路交通环境

2、质量进行综合评价,克服了物元分析等综合评价方法存在的不确定性和受人为因素影响等缺陷,提高了综合评价的客观性和合理性。评价实例表明:文中提出的生成训练样本和用 BP神经网络建立道路交通环境质量的综合评价模型是合理的和可行的。关键词:道路交通环境;BP 神经网络;综合评价;样本中图分类号:X820?2;TP183?文献标识码:A?文章编号:1006-4281(2004)03-0003-03Abstract:According to the road traffic environmental quality evaluation indexes and their grade standards,

3、efficientsamples based on the random?distribution theory were produced.The BP neural network(BPNN)with high non?linearity?fitting capacity was applied to comprehensive evaluation of road traffic envitonmental quality,thus overcame the shortagessuch as uncertainty,man?influenced,etc.,in element matte

4、r analysis.The BPNN?based model possessed the objective andrationalization.The studied cases shown that the approach producing samples used for learning,verifying and testing theBPNN?based model and the application of BPNN to evaluation model were feasible and reasonable.Key words:road traffic envir

5、onmental quality;BP neural network;comprehensive evaluation;sample收稿日期:2004-03-12基金项目:上海市教委高等学校科学技术发展基金资助项目(01H03)作者简介:楼文高(1964-),男,杭州人,教授,硕士。同济大学环境科学与工程学院市政工程专业在职博士生。?尽管在以往的城市交通规划中,一些城市借鉴国外经验进行了交通环境影响现状的分析与评价的初步尝试,然而在城市交通环境影响评价方面,国内至今尚无一套完整的、可供实际使用的体系和方法1-2。从 20世纪 80年代迅速发展而得到广泛应用的 BP 神经网络技术具有很好的非线性

6、模拟能力,可有效地克服不确定性和人为因素等的影响3-4。文中以某市 4 条道路的环境质量综合评价为例,说明了建立 BP 神经网络模型的过程。因为采用连续实数表示交通环境质量,方法的结果比物元分析等综合评判法的结果更精确、直观和精细,计算结果还可应用于道路交通环境质量的演变和趋势分析。1?评价指标的选定及其分级标准1?1?选定评价指标根据影响道路交通环境质量评价指标的科学性、系统性、动态性、可测性和数据的易获得性等原则,参考衡量道路交通环境质量的大气环境质量和区域环境噪声等二大类主要指标,根据国家标准,衡量空气质量的指标主要有:氧氮化合物(NO、NO2)、一氧化碳(CO)、二氧化硫(SO2)和悬

7、浮颗粒等;衡量区域环境噪声质量的指标主要有 L10、L90和等效声?3?基于 BP 神经网络的道路交通环境影响综合评价模型?楼文高级Leq等,为此建立了由二大类8 项监测指标组成的道路交通环境质量综合评价指标集1。1?2?评价标准根据 环境空气质量标准!(GB 3095?1996)和 城市区域环境噪声标准!(GB 3096?93),将道路交通环境质量划分为优()、良(#)、中()、差(%)和劣(&)五个等级,并确立了道路交通环境综合评价的单指标分级标准1,如表 1 所示。表 1?道路交通环境质量综合评价指标及其单指标分级标准项目评价指标道路交通环境质量等级#%&空气环境质量X*13?03?54

8、?06?0 6?0X20?050?100?150?25 0?25X30?050?080?100?15 0?15X40?050?100?150?25 0?25X50?120?200?300?50 0?50区域环境质量X650556575 75X755607080 80X845506070 70?注:X1?X5为大气环境质量评价指标 CO、SO2、NOx、PM10、TSP,单位为 mg/m3;X6?X8为区域环境噪声评价指标 L10、L90和等效声级Leq,单位为 dB。2?人工神经网络方法人工神经网络是 20 世纪 80 年代后迅速发展和获得广泛应用于众多学科的非线性模拟技术 3-4,其中最常用

9、的是 BP 网络,其基本运行机制是信息正向传播和误差反向传播两个过程组成。关于应用 BP 神经网络方法建模的条件和建立BP 网络模型的基本原则和步骤详见文献 6,其核心是:必须将收集到的足够多的样本随机分成训练样本和各 10%以上的检验样本和测试样本;网络连接权值数必须少于训练样本数,在满足精度的前提下,取尽可能少的隐层及其节点数;用检验样本来监控训练过程使其在出现(过训练)现象前结束或取出现(过训练)现象前的网络连接权值;对于给定的网络结构,应通过多次改变网络连接权值的初始值比较系统误差值的大小而求得全局最小值;如果非训练样本的误差和训练样本的误差相似,说明建立的模型已有效逼近样本所蕴含的规

10、律,否则,即使训练样本的误差很小,建立的模型仍可能只是在这些训练样本点上逼近而已,而没有正确刻划训练样本的规律;合理隐层节点数应取误差迅速减小趋于基本稳定和检验样本误差没有出现增大趋势时的隐层节点数。总而言之,合理的神经网络模型是具有合理隐层及其节点数、训练时没有发生(过训练)现象、求得全局极小点和同时考虑网络结构复杂程度和误差大小的综合结果。3?应用实例分析3?1?足够多样本的生成由表 1 组成的临界值不宜作为训练样本。因此,生成足够多样本是合理、可靠地应用 BP 神经网络进行综合评价的关键。分析表 1 的特点可知:道路交通环境质量的不同等级是由各评价指标值的上(下)限值所确定的。因此,各项

11、评价指标值都在中等级(级)规定的区间内时,即 X1 3?5 4、X20.10 0.15、X3 0?08 0?10、X4 0?10 0.15、X50.20 0?30、X6 55 65、X7 60 70 和 X8 5060,道路交通环境综合质量肯定属于 级,为此笔者在上述各指标规定的范围内通过随机取值的方法可以生成任意多的样本,同理可生成足够多其他各等级的样本。研究的 8 项评价指标均为正向指标。文中共生成了1 200 个样本,各随机抽取 200个样本(约 18%)的检验样本和测试样本。3.2?网络模型理论输出值的确定为了定量、精确地评价道路交通环境质量,神经网络模型采用连续函数输出是一种较好的方

12、案。因此,对应于 I V 级环境质量,令理论输出值分别为1、2、3、4 和 5。3.3?建立道路交通环境质量综合评价的 BP 网络模型研究采用 Statsoft 公司出品的 Statistica NeucalNetworks软件4。选用 BP 神经网络,输入层由 8 个评价指标组成,输出层就是道路交通环境质量综合评价结果,即只有 1 个节点。隐层和输出层均采用sigmoid函数,用扩展法确定合理的隐层节点数。取隐层节点数为 1、2、3、4 和 5 时,所有样本的 RMSE分别为 0?12、0?11、0?084、0?082 和 0.082;取隐层节点数为 10、15 和 20 时,RMSE 均在

13、 0.082 左右。因此,综合考虑网络误差大小与结构复杂程度,神经网络结构取 8-5-1 是合理的。对于 8-5-1 神经网络结构,采用拟牛顿法进行 500次训练,训练样本误差趋于稳定而检验样本误差没有出现增大趋势,得到训练样本、检验样本和测试样本的均方根误差(RMSE)分别为 0.082 21、0.082 26 和 0.083 30,平均绝对误差(AAE)分别为 0?060 8、0?060 2 和 0.062 5,相关系数分别为 0.998 4、0.998 3、0?998 0。这些指?4?交通环保?第 25卷?第 3 期?2004 年 6月?标表明,经训练得到的网络模型对训练样本与对检验样本

14、和测试样本具有相近的拟合(或表征)能力,即该网络模型的泛化能力很强,能较好地用于评价未知样本。这样,训练得到的神经网络模型就是道路交通环境质量综合评价的 BP 网络模型。3.4?分界样本的模型输出值将表 1 所示的各项评价指标的分界值输入到训练好的 BP 网络模型,对应的网络模型输出值分别为:1.585 7、2.469 9、3?432 1 和 4.505 4。这样对应于&级道路交通环境质量,BP 网络模型输出值的范围分别为:1.585 7、2.469 9 1?585 7、3.432 1 2?469 9、4?505 4 3?432 1 和 4?505 4。3.5?道路交通环境质量综合评价的判定将

15、表 2 所示的某市4 条道路的8 项交通环境监测数据输入已训练好的 BP 网络模型,得人民路、淮海路、滨 江路 和 抚琴 路的 模 型输 出 值分 别 为1.533 7、3?608 5、2.705 6 和 2.520 8,比较模型输出值与各级质量的模型输出值范围可知,人民路、淮海路、滨江路和抚琴路的道路交通环境质量分别为优、差、中和中。再仔细分析可知,人民路的交通环境质量处于优与良的过渡状态,但偏向于(属于)优;淮海路的交通环境质量较接近于中与差的分界状态,但偏向于差;滨江路和抚琴路的交通环境质量虽同为中,但抚琴路的质量要好于滨江路。表 2?4 条道路 8项交通环境质量指标的监测值道路名称评价

16、指标X1X2X3X4X5X6X7X8人民路2?6 0?06 0?05 0?06 0?10515645淮海路4?7 0?16 0?09 0?08 0?31727568滨江路3?7 0?14 0?09 0?09 0?21556151抚琴路3?0 0?13 0?07 0?08 0?18586457?文献 1用物元分析法对该问题也进行过研究,得到上述 4 条道路的交通环境质量属于优、良、中和差的关联度分别为(-0.016,0.054,-0.223,-0?451),(-0.672,-0?535,-0?404,0.148),(-0.271,0.043,0.138,-0?300)和(-0?298,-0.04

17、8,0?135 5,-0.299),判定 4 条道路的交通环境质量分别为良、差、中和中。比较文中方法与物元分析法的结果,好象只有人民路的质量相差一个等级,事实上,物元分析法中涉及人为确定各指标的权值,权值不同则评价结果也相应改变;+物元分析法对质量等级的判定较难,而且只能用于分类判定,属于定性分析,不能用于趋势变化的预测研究;,对于同一等级的情况,很难分析他们的区别(如对于滨江路和抚琴路)。3?6?影响道路交通环境质量综合评价因素的重要度分析利用 Statistica Neural Networks 软件 4的变量灵敏度分析功能,可以根据每个评价指标对道路交通环境质量的贡献大小来进行重要度排序

18、研究。分析计算表明,在文中研究的 8项评价指标中:大气环境指标 CO(X1)最重要;噪声环境指标等效声级(X8)重要度次之,然后依次为 X2、X6等,大气环境指标NOx(X3)的影响最小。各评价指标对道路交通环境质量的影响关系如图 1和 2 所示(文中仅给出X1对神经网络模型输出值和 X1与 X8对神经网络模型输出值的影响图),从图中也可看出,各评价指标与道路交通环境质量综合评价之间存在着明显的非线性关系。图 1?CO 对道路交通环境质量(模型输出值)的影响关系图图 2?CO 与等效声级对道路交通环境质量(模型输出值)的三维影响图4?结语(1)道路交通环境质量综合评价是道路交通发展与规划的前提

19、与基础,采用适用于非线性建模的BP 神经网络方法评价,可最大限度(下转第27 页)?5?基于 BP 神经网络的道路交通环境影响综合评价模型?楼文高距与淤积效果及布置数量有密切关系,在工程实践中,凹岸丁坝间距约为坝长的 1 1.25倍。图 4?路基护坡示意图?丁坝坝根与路基连接,伸入河道,其轴线与水流方向的夹角,丁坝按夹角分为:正挑、下挑式和上挑式。对于非漫流情况,以下挑式为最好,水流平顺,坝头河床绕流引起的冲刷较弱;对于漫流情况而言,以上挑式为最好,水流漫越上挑丁坝后形成沿坝身方向指向岸边的平轴环流,将泥沙带向河岸,在近岸处淤积。4?结语河湾路基侵蚀机理和防治措施的研究是公路水毁防治的一个重要

20、方面,对于西部山区沿河路基,河湾水流对路基的淘刷与路基的间歇性崩塌,引起了河湾路基的侵蚀现象极其严重,采用护坡、丁坝等防治措施应因地制宜,综合治理。然而,对于如何采用合理的结构形式进行河湾路基防护,才能有效防止或减轻水流对路基的侵蚀,充分发挥路基防冲、防崩的作用问题的研究,目前在国内研究成果虽然很多,但大部分具有经验或半经验性质,推广性不强,还有待进一步研究。5?参考文献1 交通部第二公路勘察设计院?公路设计手册第二版(路基)M?北京:人民交通出版,1997?190-191?2 田伟平,李惠平,高冬光?弯道环流与沿河路基冲刷试验研究 J?重庆交通学院学报,2002,21(3):94-97?3

21、高冬光?公路与桥梁水毁防治M?北京:人民交通出版社,2002?113-117?4 张宝森?三维植被网技术的护坡机理及应用 J?中国水土保持,2001,(3):32-33?5 何光春?加筋土护岸工程的设计与施工 J?路基工程,1995,(4):13-16?6 蒋焕章?公路水文勘测设计与水毁防治M?北京:人民交通出版社,2002?325-327?(上接第 5页)地克服人为因素的影响,各评价指标的权重通过训练符合评价标准的样本而得到,具有较好的客观性、可比性和公正性。(2)文中建立的 BP 神经网络模型对 4 条道路的交通环境质量综合评价表明:人民路的交通环境质量处于优与良的过渡状态,但属于优级。淮

22、海路的质量属于差;滨江路和抚琴路的质量为中,但后者的质量稍好。说明该文方法比物元分析的结果客观、精确、准确;文中采用的生成足够多样本和选用 BP神经网络建模是有效的和正确的,建立的模型是可靠的。(3)在文中研究的影响道路交通环境质量的 8项评价指标中,CO(X1)最重要,等效声级的影响最小。各评价指标与道路交通环境质量之间存在明显的非线性关系。5?参考文献1 李胜,陶章华,赵冬梅,等?道理交通环境影响评价的物元模型 J?环境保护科学,1999,25(6):37-41?2 陆雍森?环境评价M?同济大学出版社,1999?3 谢庆生,尹健,罗延科?机械工程中的神经网络方法M?机械工业出版社,2003?4 Statsoft.Statistica Neural Networks M.Tulsa:Statsoft,Inc.,1999?5 蔡文?物元模型及其应用M?北京:科技文献出版社,1994?6 楼文高,王延政?基于 BP 网络的水质综合评价模型及其应用J?环境污染治理技术与设备,2003,4(8):23-26?27?河湾路基侵蚀机理与防治措施?张麒蛰 等